tktts_aquestalkplayer.py ダウンロード/コピー
tktts_aquestalkplayer.py をダウンロード
tktts_aquestalkplayer.py
tktts_aquestalkplayer.py
1"""
2AquesTalkPlayerを利用したテキスト音声合成 (TTS) エンジンです。
3
4このモジュールは、AquesTalkPlayer(Windowsアプリケーション)をsubprocess経由で呼び出し、
5指定されたテキストを音声ファイルとして出力する機能を提供します。
6複数の話者に対応し、対話形式のテキストを処理する `speak_dialogue` 関数を含みます。
7
8関連リンク: :doc:`tktts_aquestalkplayer_usage`
9"""
10import os
11import re
12import time
13import subprocess
14
15from tktts_base import apply_replacements, normalize_speaker, split_dialogue
16
17
18TTS_ENGINE_NAME = 'aquestalkplayer'
19
20
21tts_model = "tts-1" # "tts-1-hd", "gpt-4o-mini-tts"
22voices_available = ["れいむ", "まりさ", "こいし", "さとり", "男声1", "男声2", "女性1", "女性2",
23 "ロボット", "ロボット2", "機械"]
24DEFAULT_ATP_VOICE = "れいむ"
25
26
27def get_available_voices_info():
28 """
29 利用可能なAquesTalkPlayerの音声情報を取得します。
30
31 :returns: 利用可能な音声の名前を含む辞書のリスト。例: `[{"name": "れいむ"}, ...]`
32 :rtype: list[dict]
33 """
34 voices = []
35 for v in voices_available:
36 voices.append({"name": v})
37 return voices
38
39def get_available_voices():
40 """
41 利用可能なAquesTalkPlayerの音声名のリストを返します。
42
43 :returns: 利用可能な音声名のリスト。
44 :rtype: list[str]
45 """
46 return voices_available
47
48def list_available_voices():
49 """
50 利用可能なAquesTalkPlayerの音声をコンソールに一覧表示します。
51
52 :returns: 音声情報が正常に取得され表示された場合はTrue、それ以外はFalse。
53 :rtype: bool
54 """
55 print(f"=== 利用可能な {TTS_ENGINE_NAME} voices ===")
56 voices = get_available_voices_info()
57 if not voices: return False
58
59 for v in voices:
60 print(f" Name: {v['name']}")
61
62 return True
63
64def speak(outfile, text, voice, aquestalk_path = "aquestalkplayer.exe"):
65 """
66 指定されたテキストをAquesTalkPlayerで音声合成し、ファイルに保存します。
67
68 AquesTalkPlayerの実行可能ファイル (`aquestalkplayer.exe`) をsubprocessとして呼び出し、
69 与えられたテキストと音声設定で音声ファイルを生成します。
70 処理の成功・失敗はコンソールに表示されます。
71
72 :param outfile: 出力する音声ファイルのパス。
73 :type outfile: str
74 :param text: 音声合成するテキスト。
75 :type text: str
76 :param voice: 使用する音声プリセット名(例: "れいむ", "男声1")。
77 :type voice: str
78 :param aquestalk_path: AquesTalkPlayer.exeへのパス。デフォルトはカレントディレクトリの `aquestalkplayer.exe`。
79 :type aquestalk_path: str
80 :returns: 音声ファイルが正常に保存された場合はそのパス、失敗した場合はNone。
81 :rtype: str or None
82 """
83 if not os.path.isfile(aquestalk_path):
84 print(f"❌ AquesTalkPlayer.exe が見つかりません。パスを確認してください: {aquestalk_path}")
85 return None
86
87 cmd = [
88 aquestalk_path,
89 "/wait",
90 "/T", f'"{text}"',
91 "/P", voice,
92 "/W", f'"{outfile}"'
93 ]
94
95 try:
96 # shell=True はセキュリティ上のリスクがあるが、既存プログラムの慣習に合わせて使用
97 result = subprocess.run(" ".join(cmd), shell=True, capture_output=True, text=True, encoding="shift_jis")
98
99 if result.returncode == 0:
100 print(f" ファイル [{outfile}] を保存しました")
101 else:
102 print(f" Error: ファイル [{outfile}] の出力に失敗しました")
103 print(f" ❌ AquesTalkPlayer 実行エラー? (Preset: {voice}, Text: {text[:20]}...)")
104 return None
105 except Exception as e:
106 print(f"❌ AquesTalkPlayer 実行中に予期せぬエラー: {e}")
107 return None
108
109 return outfile
110
111def speak_dialogue(dialogue, replacements, target_voices, speakers = {}, aquestalk_path = None,
112 temp_dir = None, outfile = None, ext = "wav", cfg = None):
113 """
114 対話形式のテキストをAquesTalkPlayerで音声合成し、複数のテンポラリファイルに保存します。
115
116 与えられた対話リストを話者ごとに分割し、各テキストに対して `speak` 関数を呼び出して
117 個別の音声ファイルを生成します。テキストの置換処理も適用されます。
118 最終的な単一の `outfile` への結合は行わず、個別のテンポラリファイルをリストで返します。
119
120 :param dialogue: 対話のリスト。各要素は文字列または話者情報を含む辞書。
121 :type dialogue: list[str] or list[dict]
122 :param replacements: テキスト置換ルールを定義する辞書。
123 :type replacements: dict
124 :param target_voices: 話者名とAquesTalkPlayerの音声プリセット名のマッピング、または単一の音声プリセット名。
125 :type target_voices: dict or str
126 :param speakers: 話者IDと話者名のマッピング。デフォルトは空の辞書。
127 :type speakers: dict
128 :param aquestalk_path: AquesTalkPlayer.exeへのパス。指定がない場合はデフォルト値が使用される。
129 :type aquestalk_path: str or None
130 :param temp_dir: テンポラリ音声ファイルを保存するディレクトリのパス。
131 :type temp_dir: str or None
132 :param outfile: (未使用) 最終的に結合される出力ファイルのパス。この関数では個別のテンポラリファイルを生成するため、`None` を推奨。
133 :type outfile: str or None
134 :param ext: 出力する音声ファイルの拡張子。デフォルトは "wav"。実際のコード内では "wav" に固定されています。
135 :type ext: str
136 :param cfg: 設定オブジェクト。`cfg.monologue` でモノローグモードが指定される場合がある。
137 :type cfg: object or None
138 :returns: 成功フラグ (`True`または`False`) と、生成されたテンポラリ音声ファイルのパスのリスト。
139 :rtype: tuple[bool, list[str]]
140 """
141 is_save_mode = bool(outfile)
142
143 print()
144 print("tktts_aquestalkplayer.speak_dialogue(): ")
145
146 tmpfiles = []
147 ext = "wav"
148 idx = 1
149 for i, _dialogue in enumerate(dialogue):
150 print()
151 print(f"Dialogue {i:04d}:")
152 dialogue_list = split_dialogue(_dialogue, target_voices, speakers = speakers,
153 default_voice = DEFAULT_ATP_VOICE, is_monologue = cfg.monologue)
154 for speaker, text in dialogue_list:
155 tmpfile = os.path.join(temp_dir, f"tmp_{idx:03d}.{ext}")
156 text = apply_replacements(text, replacements)
157 if type(target_voices) is str:
158 target_voice = target_voices
159 else:
160 target_voice = target_voices[speaker]
161 print(f" {idx:04d}: voice={speaker} (id={target_voice}): ", end = "")
162 print(text)
163
164 tmpfile = os.path.join(temp_dir, f"tmp_{idx:03d}.{ext}")
165
166 _outfile = speak(tmpfile, text, voice = target_voice, aquestalk_path = aquestalk_path)
167 if _outfile is None:
168 return False, tmpfiles
169
170 tmpfiles.append(tmpfile)
171 idx += 1
172
173 return True, tmpfiles